JMP 시스템 엔지니어 Sam Gardner가 JMP 9 Neural 플랫폼에 대한 웹 캐스트를했습니다. 개편 된 JMP 9 , 새로운 신경 플랫폼 강화 대화 형 데이터 마이닝 보다 풍부한 모델링 옵션, 개선 된 속도 및 성능, 그리고 능률적 인 분석을 제공합니다.
JMP 사용자가 묻는 몇 가지 질문에 대한 샘의 대답을 나눌 것이라고 생각했습니다.
큐: 신경망은 경계 조건에 매우 민감하므로 불안정한 비선형 회귀와 같습니다. 비선형 회귀에 비해 신경망의 장점은 무엇입니까?
에이: 신경망은 비선형 모델의 한 유형입니다. 그들은 모델링하는 응답이 입력 값의 비교적 부드러운 함수 일 때 잘 작동하는 경향이 있습니다. 경계 조건 (예 : x <= 0의 경우 y (x) = 0) 또는 응답의 불연속성이있는 경우 신경망이 작동하지 않습니다. 신경망의 한 가지 장점은 모델의 기능적 형태에 대해 걱정할 필요없이 복잡한 모델을 데이터에 쉽게 맞출 수 있다는 것입니다. 반면 일반 비선형 모델링에서는 사용하려는 모델을 완전히 지정해야합니다.
큐: 범주 형 변수를 신경망의 입력으로 사용할 수 있습니까?
에이: 예. JMP는 범주 입력의 각 레벨에 대해 백그라운드 (데이터 테이블 아님)에 표시기 변수를 작성합니다. 예를 들어, 입력이 "food"이고 카테고리가 "apples", "oranges"및 "bananas"인 경우 JMP는 신경망에 세 가지 입력 변수를 만듭니다.
food1 = (음식 == "사과")
food2 = (음식 == "바나나")
food3 = (음식 == "오렌지")
이것은 백그라운드에서 수행되기 때문에 예측 방정식을 저장할 때 새로운 변수가 방정식 내부에 표시기 함수로 만들어집니다.
큐: 이진 Y 변수에 맞게 신경망을 사용할 수 있습니까?
에이: 예, 이진 또는 다단계 범주 형 Y 변수를 신경망에 맞출 수 있습니다. 유일한 차이점은 모델링중인 출력이 범주 Y의 발생 빈도 확률이라는 것입니다.
큐: 모델을 만든 후에는 예측을 위해 모델을 사용하기 위해 정기적으로 새 데이터를 추가 할 수 있습니까?
에이: 모델 피팅에 포함 할 데이터를 추가하는 경우 신경 모델을 다시 작성해야합니다. 데이터 테이블에 저장 한 모델 방정식을 기반으로 새로운 입력 값에 대한 예측을 수행하려면 입력 값이 포함 된 데이터 행을 추가하기 만하면 JMP가 예측에서 출력 값을 계산합니다 수식 열.
큐: 탄 기능이란 무엇입니까?
에이: 하이퍼 볼릭 탄젠트 (tanh) 함수는 역사적으로 신경망에서 널리 사용되는 활성화 함수였습니다. 그것은 좋은 특성을 가지고 있습니다 (tanh의 출력은 -1,1 사이의 경계에 있고 입력의 유효 범위는 -3, 3이며 부드럽고 차별화됩니다). 매우 유연한 비선형 모델링이 가능합니다. 에서 JMP Pro (JMP 제품군의 신제품), 선형 및 가우시안 활성화 기능도 허용합니다.
큐: 신경망을 시계열 분석에 사용할 수 있습니까?
에이: 기술적으로 대답은 '예'입니다. 신경망에 대한 입력은 시간 표시기이므로 훈련 데이터의 범위를 벗어난 추정 (즉, 훈련 데이터 범위의 범위를 벗어난 시간 값에 대한 미래의 응답 예측)이 있으므로이 값을 사용하여 신중해야합니다 접근. 일반적으로, 신경망은 훈련 데이터의 범위를 훨씬 넘어서 외삽하지 않습니다.
큐: 어떤 변수가 출력 변수에 더 큰 영향을 미치는지 결정할 수있는 방법이 있습니까?
에이: JMP는 신경 네트워크에 대한 변수 중요도 측정을 계산하지 않습니다. 그러나 JMP 프로파일 러를 사용하여 시각적으로 가변적 인 중요성을 볼 수 있습니다.
일부 사용자는 JMP 8 또는 이전 버전에서 사용 된 Neural Net 플랫폼과의 역 호환성을 활용하는 방법을 알고 싶어했습니다. Sam은 JMP 9에서 Neural Net을 호출하는 스크립트를 작성하는 방법을 보여 줬습니다. 지금보기.
Neural Net 옵션을 JMP 9 메뉴에 추가 할 수도 있습니다. 지금보기.
커트 폴맨 쓴 :
Neural Net 옵션을 JMP 9 메뉴에 추가하는 방법을 설명하는 비디오를 제공해 주셔서 감사합니다. 그러나 지침은 JMP 9의 Windows 버전에만 해당되는 것으로 보이며 Mac 버전의 JMP 9를 사용하여 단계를 복제 할 수 없습니다. 내가 여기서 뭔가를 놓치고 있니?
